全文总字数：1877字

1. 研究目的与意义及国内外研究现状

目前人类对于癌症的应对方法效果不佳，一旦病发到晚期，几乎束手无策，这就要求现代医学对于癌症要哟先知先觉的能力，也就是精度较高的患病预测水平。但是由于过去计算机算法的局限性，绝大多数计算机程序依然指示机械式地处理一些运算问题。因此，我们迫切需要计算机更加灵活，可以自我完善。学习就是系统地不断重复的工作实践不断地对更新储备和积累经验以及准备延伸自己的能力范围。总而言之，假设计算机在智能化研究的过程中能够具备像人类一样在积累经验和知识体系的情况下使自己的行为更加合理和高效，计算机系统将兼备人类逻辑分析能力和自身强大的数据处理能力，那么高效地预测就可以实现了。所以本文就是描述机器学习对于癌症预测相关的实验以及根据实验效果改善系统，让其成为真正具备辅助人类判断是否患癌能力的工具。

国内外研究现状

近年来我国人工智能产业活跃度高，收到资金和舆论的青睐，已经在多个领域开展研发工作并取得显著进展，如医疗预测、金融理财分析、图像视频处理、以及无人驾驶。

在国外，他们在机器学习教学的领域有着深厚的底蕴。21世纪初，德国和美国相继提出了工业4.0以及制造业复兴计划，对于机器学习落到实处以及有了长足的发展历史。

2. 研究的基本内容

SVM是由模式识别中的广义肖像算法衍生而来的，本文主要研究的内容就是支持向量机的应用。由于癌症的各个指标在进行详细检查之后，会有特定的数值反应出来，将它们对对应到样本中，就形成了多维向量空间。可以直观地在图像中反应出来，我们可以根据支持向量机的理念，使用Python语言中用于数值处理的相关库，设计系统并用代码实现，把开源的数据集作为实验样本，检测算法精度并且优化改善。

3. 实施方案、进度安排及预期效果

一、实施方案

本系统使用python3设计系统，实现对开源数据集的测试，主要是用的技术为python中的主要用于数据处理的库，numpy和pandas，在研究的过程中具体有以下5个步骤：

1）需求分析：分析系统功能，主要是数值预测，系统难度较低。2）系统分析：系统分析阶段主要是对系统进行可行性分析，建立框架。3）系统设计：具体代码实现。4）代码实现：通过开源数据集测试系统，并改善。5）实验总结：最后对实验结论进行总结，并提出前瞻性构想。二、进度：2019年03月05日-2019年03月15日：搜集相关论文，在图书馆查阅资料，做好前提准备。2019年03月11日-2019年03月31日：完成知识阐述，搜集数据集并且根据其特性构思系统结构。2019年04月01日-2019年04月10日：完成系统代码和实验，总结并且完成论文。2019年04月25日-2019年05月01日：论文呈予导师审阅并根据修改意见改进。三、预期效果：对于

样本分类预测的效率要达到96%以上。

4. 参考文献

[1] 周志华．机器学习．北京：清华大学出版社，2016：1-1．[2] 李凡长．机器学习理论及应用．安徽：中国科学技术大学出版社，2009：10-1．[3] Peter Harrington．机器学习实战．北京：人民邮电出版社，2016：922-1．[4] Wes McKinnney．Python for Data Analysis：Data Wrangling with Pandas，NumPy，and IPython．2014：5-17．